This course will teach you the "magic" of getting deep learning to work well. Rather than the deep learning process being a black box, you will understand what drives performance, and be able to more systematically get good results. You will also learn TensorFlow.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Deep Learning
von
Spezialisierung Deep Learningdeeplearning.aiÜber diesen Kurs
1,218,562 kürzliche Aufrufe
Karriereergebnisse der Lernenden
41%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
37%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
12%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 2 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Anfänger“
Ca. 18 Stunden zum Abschließen
Englisch
Untertitel: Chinesisch (traditionell), Französisch, Chinesisch (vereinfacht), Portugiesisch (Brasilien), Koreanisch, Russisch, Türkisch, Englisch, Spanisch
Kompetenzen, die Sie erwerben
HyperparameterTensorflowHyperparameter OptimizationDeep Learning
Karriereergebnisse der Lernenden
41%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
37%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
12%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 2 von 5 in
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Anfänger“
Ca. 18 Stunden zum Abschließen
Englisch
Untertitel: Chinesisch (traditionell), Französisch, Chinesisch (vereinfacht), Portugiesisch (Brasilien), Koreanisch, Russisch, Türkisch, Englisch, Spanisch
von
deeplearning.ai
Founded by Andrew Ng, deeplearning.ai is on a mission to make world-class AI education accessible to people around the globe so that we can all benefit from an AI-powered future.
Lehrplan - Was Sie in diesem Kurs lernen werden
8 Stunden zum Abschließen
Practical aspects of Deep Learning
8 Stunden zum Abschließen
15 Videos (Gesamt 131 min), 3 Lektüren, 4 Quiz
15 Videos
Bias / Variance8m
Basic Recipe for Machine Learning6m
Regularization9m
Why regularization reduces overfitting?7m
Dropout Regularization9m
Understanding Dropout7m
Other regularization methods8m
Normalizing inputs5m
Vanishing / Exploding gradients6m
Weight Initialization for Deep Networks6m
Numerical approximation of gradients6m
Gradient checking6m
Gradient Checking Implementation Notes5m
Yoshua Bengio interview25m
3 Lektüren
Clarification about Upcoming Regularization Video1m
Clarification about Upcoming Understanding dropout Video1m
Clarification about Upcoming Normalizing Inputs Video1m
1 praktische Übung
Practical aspects of deep learning30m
5 Stunden zum Abschließen
Optimization algorithms
5 Stunden zum Abschließen
11 Videos (Gesamt 92 min), 2 Lektüren, 2 Quiz
11 Videos
Understanding mini-batch gradient descent11m
Exponentially weighted averages5m
Understanding exponentially weighted averages9m
Bias correction in exponentially weighted averages4m
Gradient descent with momentum9m
RMSprop7m
Adam optimization algorithm7m
Learning rate decay6m
The problem of local optima5m
Yuanqing Lin interview13m
2 Lektüren
Clarification about Upcoming Adam Optimization Video1m
Clarification about Learning Rate Decay Video1m
1 praktische Übung
Optimization algorithms30m
5 Stunden zum Abschließen
Hyperparameter tuning, Batch Normalization and Programming Frameworks
5 Stunden zum Abschließen
11 Videos (Gesamt 104 min), 2 Lektüren, 2 Quiz
11 Videos
Using an appropriate scale to pick hyperparameters8m
Hyperparameters tuning in practice: Pandas vs. Caviar6m
Normalizing activations in a network8m
Fitting Batch Norm into a neural network12m
Why does Batch Norm work?11m
Batch Norm at test time5m
Softmax Regression11m
Training a softmax classifier10m
Deep learning frameworks4m
TensorFlow16m
2 Lektüren
Clarifications about Upcoming Softmax Video1m
Note about TensorFlow 1 and TensorFlow 210m
1 praktische Übung
Hyperparameter tuning, Batch Normalization, Programming Frameworks30m
Bewertungen
Top-Bewertungen von IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION
von YL20. Feb. 2018
very useful course, especially the last tensorflow assignment. the only reason i gave 4 stars is due to the lack of practice on batchnorm, which i believe is one of the most usefule techniques lately.
von CV23. Dez. 2017
Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow Thanks.
von A22. Okt. 2017
Assignment in week 2 could not tell the difference between 'a-=b' and 'a=a-b' and marked the former as incorrect even though they are the same and gave the same output. Other than that, a great course
von XG30. Okt. 2017
Thank you Andrew!! I know start to use Tensorflow, however, this tool is not well for a research goal. Maybe, pytorch could be considered in the future!! And let us know how to use pytorch in Windows.
Über den Spezialisierung Deep Learning
If you want to break into AI, this Specialization will help you do so. Deep Learning is one of the most highly sought after skills in tech. We will help you become good at Deep Learning.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
- Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
- Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Is financial aid available?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
